46 BAB III
OBJEK DAN METODE PENELITIAN
3.1 Objek Penelitian
3.1.1 Pertumbuhan Ekonomi
Pertumbuhan ekonomi merupakan salah satu indikator yang umumnya dipergunakan untuk melihat keadaan perekonomian di suatu wilayah. Kemampuan memproduksi dari sektor-sektor ekonomi yang ada di Jawa Barat. Laju pertumbuhan ekonomi dilihat dari PDRB tiap tahun dan dinyatakan dalam persen. dalam penelitian ini digunakan PDRB berdasarkan harga konstan tahun 2010. Berikut merupakan data laju pertumbuhan ekonomi menurut Kabupaten/Kota tahun 2011-2015 di Jawa Barat.
Tabel 3.1
Laju Pertumbuhan Ekonomi menurut Kabupaten/Kota di Jawa Barat Tahun 2011-2015 (%) No Wilayah Provinsi 2011 2012 2013 2014 2015 1 Kab Bogor 5,86 6,01 6,14 6,01 6,09 2 KabSukabumi 4,42 6,38 5,51 5,98 4,91 3 Kabcianjur 4,89 5,60 4,89 5,06 5,46 4 Kab Bandung 5,82 6,28 5,92 5,91 5,89 5 KabGarut 4,95 4,07 4,76 4,81 4,51 6 Kabtasikmalaya 4,25 4,02 4,65 4,78 4,31 7 KabCiamis 5,23 5,41 5,34 5,07 5,58 8 Kabkuningan 5,62 4,71 6,25 6,32 6,38 9 Kab Cirebon 5,23 5,46 4,96 5,07 4,87 10 KabMajalengka 4,71 6,06 4,93 4,91 5,33 11 KabSumedang 4,79 6,56 4,84 4,70 5,23 12 KabIndramayu 4,06 3,18 2,86 4,93 2,16
47 13 KabSubang 3,27 0,60 4,09 5,02 5,29
14 Kabpurwakarta 6,70 6,83 7,15 5,72 4,75 15 KabKarawang 6,56 4,94 7,96 5,37 4,49 16 KabBekasi 6,60 6,53 6,23 5,88 4,46 17 Kab Bandung Barat 5,68 6,04 5,94 5,77 5,01 18 KabPangandaran 4,34 5,18 4,95 4,19 4,98 19 Kota Bogor 6,22 6,31 6,04 6,01 6,13 20 Kota Sukabumi 6,18 5,80 5,41 5,43 5,10 21 Kota Bandung 7,91 8,53 7,84 7,71 7,63 22 Kota Cirebon 5,78 5,92 4,90 5,71 5,80 23 Kota Bekasi 6,45 6,74 6,04 5,61 5,57 24 Kota Depok 6,81 8,06 6,85 7,28 6,63 25 Kota Cimahi 5,50 6,24 5,65 5,49 5,43 26 Kota Tasikmalaya 5,02 5,80 6,17 6,16 6,29 27 Kota Banjar 5,47 5,32 5,45 4,97 5,32 ProvinsiJawa Barat 6,50 6,50 6,33 5,09 5,03 Sumber: BPS Provinsi Jawa Barat
Berdasarkan tabel 3.1 terlihat bahwa laju pertumbuhan ekonomi Provinsi Jawa Barat tahun 2011 berada di posisi 6,50%. Laju pertumbuhan ekonomi di Provinsi Jawa Barat tahun 2011 yang terbesar yaitu Kota Bandung 7,91% diikuti Kabupaten Depok 6,81% dan Kabupaten Purwakarta 6,70 %. Sementara laju pertumbuhan ekonomi tahun 2011 yang terkecil adalah Kabupaten Tasikmalaya 4,25% Kabupaten Indramayu 4,06% dan terakhir Kabupaten Subang 3,25%.
Laju pertumbuhan ekonomi Provinsi Jawa Barat tahun 2012 berada diposisi 6,50%. Laju pertumbuhan ekonomi di Provinsi Jawa Barat tahun 2012 yang terbesar yaitu Kota Bandung 8,53% diikuti Kota Depok 8,06% dan Kabupaten Purwakarta 6,83%. Sementara laju pertumbuhan ekonomi tahun 2012 yang terkecil adalah Kabupaten Tasikmalaya 4,02% Kabupaten Indramayu 3,18% dan terakhir Kabupaten Subang 0,60%.
48 Laju pertumbuhan ekonomi Provinsi Jawa Barat tahun 2013 berada diposisi 6,33%. Laju pertumbuhan ekonomi di Provinsi Jawa Barat tahun 2013 paling terbesar yaitu Kabupaten Karawang 7,96%diikuti Kota Bandung 7,84% dan Kabupaten Purwakarta 7,15%. Sementara laju pertumbuhan ekonomi tahun 2013 yang terkecil adalah Kabupaten Tasikmalaya 4,65%Kabupaten Subang 4,09% dan terakhir Kabupaten Indramayu 2,86%.
Laju pertumbuhan ekonomi Provinsi Jawa Barat tahun 2014 berada di posisi 5,09%. Laju pertumbuhan ekonomi di Provinsi Jawa Barat tahun 2014 paling terbesar yaitu Kota Bandung 7,71% diikuti Kota Depok 7,28% dan Kabupaten Kuningan 6,32%. Sementara laju pertumbuhan ekonomi tahun 2014 yang terkecil adalah Kabupaten Tasikmalaya 4,78% Kabupaten Sumedang 4,70% dan terakhir Kabupaten pangandaran 4,19%.
Laju pertumbuhan ekonomi Provinsi Jawa Barat tahun 2015 berada diposisi 5,03%. Laju pertumbuhan ekonomi di Provinsi Jawa Barat tahun 2015 paling terbesar yaitu Kota Bandung 7,63% diikuti Kota Depok 6,63% dan Kabupaten Kuningan 6,38%. Sementara laju pertumbuhan ekonomi 2015 yang terkecil adalah Kabupaten Bekasi 4,46% Kabupaten Tasikmalaya 4,31% dan terakhir Kabupaten Indramayu 2,16%.
3.1.2 Investasi
Investasi adalah suatu penanaman modal untuk satu atau lebih aktiva yang dimiliki dan biasanya berjangka waktu lama dengan harapan mendapatkan keuntungan di masa-masa yang akan datang. Berdasarkan jenisnya investasi terbagi menjadi dua yaitu investasi pemerintah yang
49 dilakukan untuk menyediakan sarana dan prasarana, tetapi tidak dimaksudkan untuk memperoleh keuntungan. Lalu ada investasi swasta yang dilakukan oleh sektor swasta nasional dan sektor swasta luar negeri yang bertujuan untuk mencari keuntungan. Dalam tabel 3.2 berikut ini menunjukkan data realisasi investasi terdiri dari Penanaman Modal Dalam Negeri (PMDN) dan Penanaman Modal Asing (PMA) berdasarkan Kabubaten/Kota di Provinsi Jawa Barat Tahun 2011-2015 :
48 Tabel 3.2
Realisasi Investasi di Jawa Barat Tahun 2011-2015 (dalam Rupiah)
No Wilayah Provinsi 2011 2012 2013 2014 2015 1 Kab Bandung 544.196.570.929 2.406.877.442.257 1.620.104.992.904 1.128.260.946.746 1.289.774.816.297 2 Kab Bandung Barat 544.887.808.600 1.236.186.344.268 308.451.195.000 452.594.240.000 813.206.727.796 3 Kab Bekasi 13.205.148.021.251 18.695.747.724.962 22.198.437.840.526 31.356.360.336.314 35.126.038.409.629 4 Kab Bogor 4.113.606.919.002 1.995.887.236.191 2.660.937.683.500 7.037.161.915.488 9.782.249.764.488 5 Kab Ciamis - - 246.522.824.500 141.088.250.000 131.871.877.290 6 Ka Cianjur 150.400.000.000 107.856.000.000 649.240.770.353 1.159.236.600.000 825.413.495.000 7 Kab Cirebon 7.000.878.242.381 561.909.639.833 461.375.689.071 1.938.908.625.654 1.885.193.497.256 8 Kab Garut 200.000.000 - 245.352.665.000 131.890.660.000 424.760.900.000 9 Kab Indramayu 21.062.469.759 115.464.445.227 326.438.211.329 661.054.810.000 1.109.653.178.054 10 Kab Karawang 5.332.612.866.941 14.253.792.660.738 41.073.102.357.000 25.710.486.886.300 25.453.640.769.707 11 Kab Kuningan 3.069.000.000 36.640.000.000 257.866.931.200 139.393.866.180 137.444.410.030 12 Kab Majalengka 16.308.598.805 - 488.633.997.716 254.080.238.095 570.585.856.088 13 Kab Purwakarta 1.267.366.180.661 3.692.093.105.279 6.739.909.597.821 13.605.010.923.105 5.470.279.392.917 14 Kab Subang 103.416.014.914 604.528.056.010 1.548.712.304.000 464.233.230.000 3.398.423.498.357 15 Kabupaten 372.232.787.078 1.088.294.799.118 1.282.953.083.867 10.154.584.250.999 5.023.402.629.999 16 Kab Sumedang 6.400.941.456 278.506.055.359 623.369.686.771 872.321.263.211 1.797.573.649.185 17 Kab Tasikmalaya - - 207.232.989.000 172.485.350.000 180.778.500.000 18 Kota Bandung 9.531.387.066.057 1.557.269.489.209 5.977.939.300.460 3.605.857.060.000 12.808.241.277.103 19 Kota Banjar 7.207.807.525 55.846.254.000 132.181.683.809 - 77.449.650.761
49 20 Kota Bekasi 869.554.864.102 2.365.780.448.481 2.392.114.424.298 5.353.083.090.577 6.703.612.465.838 21 Kota Bogor 304.318.852.400 832.230.096.700 110.531.372.750 152.087.350.000 3.104.313.574.444 22 Kota Cimahi 426.570.530.188 747.057.192.014 1.202.819.153.568 35.759.927.500 381.336.017.000 23 Kota Cirebon 283.253.920.691 79.834.287.582 579.203.469.000 70.701.240.000 1.403.831.036.015 24 Kota Depok 4.647.097.146.960 1.948.374041.190 1.698926.145.654 4.296.777.147.364 2.552.310.483.648 25 Kota Sukabumi - 13.333.591.980 174.944.138.707 - 705.477.056.600 26 Kota Tasikmalaya - 7.031.753.843 311.607.259.716 571.200.000 196.256.382.080 27 Kab Pangandaran 163,833,500,000 Provinsi Jawa Barat 48.751.176.609.700 52.680.540.664.242 93.518.909.767.520 108.893.989.407.533 121.516.952.815.583 Sumber: BKPPMD Jawa Barat
50 Berdasarkan tabel 3.2 terlihat bahwa investasi di Jawa Barat mengalami peningkatan setiap tahunnya. Peningkatan jumlah investasi berturut-turut dari tahun 2011 sampai 2015 yaitu Rp.48.751.176.609.700 – Rp.52.680.540.664.242 – Rp.93.518.909.767.520 – Rp.108.893.989.407.533 – Rp.121.516.952.815.583.
Berdasarkantabel 3.2 jugadideskripsikanbahwadaerah yang memiliki rata-rata investasi terbesar selama kurun waktu tahun 2011 sampai 2015 adalah Kabupaten Bekasi sebesar Rp 24.116.346.466.537, sedangkan daerah yang investasinya paling kecil adalah Kota Banjar sebesar Rp 54.537.079.219.
3.1.3 Tenaga Kerja
Tenaga kerja merupakan salah satu bagian penting dalam pertumbuhan ekonomi. tenaga kerja merupakan salah satu instrumen dalam mendorong produktivitas pertumbuhan ekonomi suatu daerah. Berikut merupakan data tentang tenaga kerja Kabupaten/Kota di Provinsi Jawa Barattahun 2011-2015 dapat dilihat dari tabel 3.3 berikut ini:
51 Tabel 3.3
Jumlah Tenaga Kerja di Jawa Barat Tahun 2011-2015 (Orang)
No Wilayah Provinsi 2011 2012 2013 2014 2015 1 Kab Bogor 1.852.165 1.995.032 2.131.478 2.137.954 2.083.234 2 KabSukabumi 925.205 958.955 944.618 1.004.798 912.272 3 Kabcianjur 863.044 899.502 880.713 878.215 863.592 4 Kab Bandung 1.248.267 1.323.166 1.407.503 1.490.031 1.438.365 5 KabGarut 904.607 936.552 922.194 943.727 945.768 6 Kabtasikmalaya 677.453 811.323 786.927 787.281 724.664 7 KabCiamis 648.480 748.629 723.640 729.286 494.078 8 Kabkuningan 425.718 453.382 444.359 434.948 435.712 9 Kab Cirebon 828.506 762.065 763.934 792.245 813.824 10 KabMajalengka 489.817 557.086 550.134 600.843 580.729 11 KabSumedang 457.222 487.639 483.648 515.735 481.029 12 KabIndramayu 702.670 732.279 717.696 705.180 677.201 13 KabSubang 623.501 693.303 656.787 680.739 633.116 14 Kabpurwakarta 340.411 375.959 360.398 375.455 371.543 15 KabKarawang 880.087 917.556 888.592 912.864 873.995 16 KabBekasi 1.074.899 1.107.002 1.268.648 1.295.522 1.344.821 17 Kab Bandung Barat 597.633 583.954 599.870 585.465 563.252
18 KabPangandaran 192.391 19 Kota Bogor 391.221 383.111 403.628 415.162 400.983 20 Kota Sukabumi 119.803 109.249 118.252 122.046 133.746 21 Kota Bandung 1.012.946 1.064.167 1.055.422 1.096.799 1.084.989 22 Kota Cirebon 120.967 116.605 129.208 130.927 126.821 23 Kota Bekasi 990.630 977.043 1.063.637 1.120.471 1.081.936 24 Kota Depok 728.675 750.820 836.688 877.684 896.981 25 Kota Cimahi 225.801 225.763 231.379 244.278 257.105 26 Kota Tasikmalaya 253.713 274.314 289.166 274.001 301.406 27 Kota Banjar 71.340 76.652 73.424 79.287 77.929 ProvinsiJawa Barat 17.454.781 18.321.108 18.731.943 19.230.943 18.791.482 Sumber: BPS Provinsi Jawa Barat
Berdasarkan tabel 3.3 terlihat bahwa jumlah Tenaga Kerja di Provinsi Jawa barat cenderung meningkat meskipun tahun terakhir menurun. Tenaga kerja terbanyakpada tahun 2011 sampai 2015 adalah Kabupaten Bogor
52 diperingkat pertama, diikuti Kabupaten Bandung dan Kabupaten Bekasi. Sementara yang terkecil Kota banjar, Kota Sukabumi dan Kota cirebon.
3.1.4 Indeks Pembangunan Manusia
Indeks pembangunan manusia (IPM) adalah pengukuran perbandingan dari angka harapan hidup, harapan lama sekolah, pendidikan dan standar hidup untuk semua negara seluruh dunia.Berikut merupakan data Indeks Pembangunan Manusia Kabupaten/Kota di Provinsi Jawa Barat tahun 2011-2015 dapat dilihat dari tabel 3.4 berikut ini:
53 Tabel 3.4
Indeks Pembangunan Manusia Menurut Kabupaten/Kota di Jawa Barat Tahun 2011-2015 (Indeks) No Wilayah Provinsi 2011 2012 2013 2014 2015 1 Kab Bogor 64,78 65,66 66,74 67,36 67,77 2 KabSukabumi 61,14 62,27 63,63 64,07 64,44 3 Kabcianjur 59,38 60,28 61,68 62,08 62,42 4 Kab Bandung 67,78 68,13 68,58 69,06 70,05 5 KabGarut 60,55 61,04 61,67 62,23 63,21 6 Kabtasikmalaya 61,05 61,69 62,40 62,79 63,17 7 KabCiamis 65,48 66,29 67,20 67,64 68,02 8 Kabkuningan 65,04 65,60 66,16 66,63 67,19 9 Kab Cirebon 64,17 64,48 65,06 65,53 66,07 10 KabMajalengka 62,67 63,13 63,71 64,07 64,75 11 KabSumedang 66,16 67,36 68,47 68,76 69,29 12 KabIndramayu 61,47 62,09 62,98 63,55 64,36 13 KabSubang 64,21 64,86 65,48 65,80 66,52 14 Kabpurwakarta 65,51 66,30 67,09 67,32 67,84 15 KabKarawang 65,21 65,97 66,61 67,08 67,66 16 KabBekasi 68,66 69,38 70,09 70,51 71,19 17 Kab Bandung Barat 62,36 63,17 63,93 64,27 65,23 18 KabPangandaran 64,73 65,29 65,62 19 Kota Bogor 71,72 72,25 72,86 73,10 73,65 20 Kota Sukabumi 68,67 69,74 70,81 71,19 71,84 21 Kota Bandung 78,13 78,30 78,55 78,98 79,67 22 Kota Cirebon 71,49 71,97 72,27 72,93 73,34 23 Kota Bekasi 77,48 77,71 78,63 78,84 79,63 24 Kota Depok 76,96 77,28 78,27 78,58 79,11 25 Kota Cimahi 74,41 74,99 75,85 76,06 76,42 26 Kota Tasikmalaya 67,18 67,84 68,63 69,04 69,99 27 Kota Banjar 67,15 67,53 68,01 68,34 69,31 ProvinsiJawa Barat 66,67 67,32 68,25 68,80 69,50 Sumber: BPS Provinsi Jawa Barat
Berdasarkan tabel 3.4 terlihat bahwa Indeks Pembangunan Manusia di Provinsi Jawa Barat tahun 2011 berada di tingkat 66,67. Indeks pembangunan manusia terbesar di Provinsi Jawa Barat tahun 2011 yaitu Kota Bandung 78,13
54 diikuti Kota Bekasi 77,48 dan Kota Depok 76,96. Sementara indeks pembangunan manusia tahun 2011 yang terendah adalah Kabupaten Tasik 61,05 Kabupaten Garut 60,55 dan terakhir Kabupaten Cianjur 59,38.Indeks pembangunan manusia di Provinsi Jawa Barat tahun 2012 berada di tingkat 67,32. Indeks pembangunan manusia terbesar di Provinsi Jawa Barat tahun 2012 yaitu Kota Bandung 78,30 diikuti Kota Bekasi 77,71 dan Kota Depok 77,28. Sementara indeks pembangunan manusia tahun 2012 yang terendah adalah Kabupaten Tasikmalaya 61,69 Kabupaten Garut 61,04 dan Kabupaten Cianjur 60,28.
Indeks pembangunan manusia di Provinsi Jawa Barat tahun 2013 berada di tingkat 68,25. Indeks pembangunan manusia terbesar di Provinsi Jawa Barat tahun 2013 yaitu Kota Bekasi 78,63 diikuti Kota Bandung 78,55 dan Kota Depok 78,27. Sementara indeks pembangunan manusia tahun 2013 yang terendah adalah Kabupaten Tasik 62,40 Kabupaten Cianjur 61,68 dan Kabupaten Garut 61,67.Indeks pembangunan manusia di Provinsi Jawa Barat tahun 2014 berada di tingkat 68,80. Indeks pembangunan manusia terbesar di Provinsi Jawa Barat tahun 2014 yaitu Kota Bandung 78,98 diikuti Kota Bekasi 78,84 dan Kota Depok 78,58. Sementara indeks pembangunan manusia tahun 2014 yang terendah adalah Kabupaten Tasik 62,79 Kabupaten Garut 62,23 dan Kabupaten Cianjur 62,08.
Indeks pembangunan manusia di Provinsi Jawa Barat tahun 2015 berada di tingkat 69,50. Indeks pembangunan manusia terbesar di Provinsi Jawa Barat tahun 2015 yaitu Kota Bandung 79,67 diikuti Kota Bekasi 79,63
55 dan Kota Depok 79,11. Sementara indeks pembangunan manusia tahun 2015 yang terendah adalah Kabupaten Garut 63,21 Kabupaten Tasik 63,17 dan Kabupaten Cianjur 62,42.
3.2 Metode Penelitian
Penelitian dalam penelitian ini menggunakan analisis deskriptif dan kuantitatif. Analisis deskriptif disusun berdasarkan data sekunder, jurnal, artikel, dan hasil-hasil penelitian yang berhubungan dengan topik yang diangkat. Sedangkan analisis kuantitatif digunakan model ekonometrika untuk mencerminkan hasil dan pembahasan yang dinyatakan dalam angka dan untuk mendukung analisis tersebut digunakan software komputer Microsoft Excel dan Eviews 9 untuk mempermudah perhitungan data yang dibutuhkan dalam penelitian ini.
3.3 Jenis dan Sumber Data
Jenis data yang digunakan untuk penelitian ini adalah data panel (pooling data) atau data longitudinal. Data panel adalah sekelompok data individu yang diteliti selama rentang waktu tertentu.
Data yang digunakan dalam penelitian ini adalah data sekunder, yaitu data yang diperoleh berdasarkan informasi yang telah disusun dan dipublikasikan oleh intansi tertentu.
Penelitian ini dilakukan secara sensus dengan data sekunder berbentuk time series dari tahun 2011 sampai dengan 2015, dan data cross section yang
56 terdiri atas 27 Kabupaten/Kota di Provinsi Jawa Barat. Data diperoleh dari Badan Pusat Statistik (BPS), Badan Koordinasi Promosi dan Penanaman Modal Daerah (BKPPMD) dan intansi terkait lainnya.
Data yang digunakan dalam penelitian ini yaitu Investasi (INV), Tenaga Kerja (TK), Indeks Pembangunan Manusia (IPM), dan Pertumbuhan Ekonomi (LPE).
3.4 Definisi danOperasional Variabel
Berdasarkan judul penelitian yaitu pengaruh investasi, tenaga kerja dan indeks pembangunan manusia terhadap pertumbuhan ekonomi di Jawa Barat 2011-2015, maka dibuat variabel penelitian sebagai berikut :
Tabel 3.5
OperasionalisasiVariabel
Variabel DefinisiVariabel Satuan
Laju PertumbuhanE konomi (LPE)
Laju pertumbuhan ekonomi merupakan pertumbuhan produk domestik regional bruto atas dasar harga konstan (riil) 2010 menurut Kabupaten/Kota tahun 2011-2015 di JawaBarat. Laju Pertumbuhan Ekonomi dalam penelitian ini sebagai variabel terikat.
Persen (%)
Investasi (INV)
Investasi yang digunakan merupakan total dari Penanaman Modal Asing (PMA) dan Penanaman Modal dalam Negeri Penanaman Modal dalam Negeri (PMDN) berdasarkan Kabupaten/Kota tahun
2011-Rupiah (Rp)
57
Variabel DefinisiVariabel Satuan
2015 di Provinsi Jawa Barat. Investasi dalam penelitian ini sebagai variabel bebas.
TenagaKerja (TK)
Tenaga kerja merupakan jumlah tenaga kerja penduduk berumur 15 tahun ke atas menurut Kabupaten/Kota pada tahun 2011-2015 di Provinsi Jawa Barat. Tenaga Kerja dalam penelitian ini sebagai variabel bebas.
Orang
Indeks Pembangunan Manusia (IPM)
IPM dalam pengertian ini terdiri dari tiga komponen yaitu lamanya hidup, tingkat pendidikan dan standar hidup layak di Provinsi Jawa Barat berdasarkan Kabupaten/Kota tahun 2011-2015. Indeks Pembangunan Manusia dalam penelitian ini sebagai variabel bebas.
Indeks
3.5 Model Analisis
Dalam penelitian ini, untuk mengetahui adanya pengaruh variabel bebas investasi, tenaga kerja, dan indeks pembangunan manusia, terhadap variabel terikat laju pertumbuhan ekonomi, maka bentuk persamaannya sebagai berikut:
LPE=f (INV,TK,IPM)
Untuk memudahkan estimasi, maka fungsi dari persamaan diatas ditransformasikan kedalam persamaan regresi, sehingga didapat persamaan sebagai berikut:
58 LPEit =
0
1INVit +
2TKit +
3IPMit + ε
itKeterangan :
0 = Konstanta
1,
2,
3 = Koefisien Regresii = Kabupaten/kota ke-i (1,2, ...., 27)
t = Tahun Pengamatan (2011,2012, ...., 2015) LPE = Pertumbuhan Ekonomi (persen %)
INV = Investasi (Rp)
TK = Tenaga Kerja (orang)
IPM = Indeks Pembangunan Manusia (indeks)
εt = error term
3.6 Metode Pengolahan Data
Metode yang digunakan dalam penelitian ini ialah metode panel data. Pemilihan data panel dalam penelitian ini karena berkaitan dengan peneliti yang memasukkan 27 Kabupaten/Kota di Jawa Barat selama periode 2011-2015. Penggunaan data panel dalam penilitian ini merupakan gabungan antara data time series dan cross section.Dalam penelitian ini terdapat 3 metode pengolahan data yang digunakan, sebagai berikut:
59 1. Common Effect Model atau Pooled Least Square (PLS)
Merupakan pendekatan model data panel yang paling sederhana karena hanya mengkombinasikan data time series dan cross section. Pada model ini tidak diperhatikan dimensi waktu maupun individu, sehingga diasumsikan bahwa perilaku data perusahaan sama dalam berbagai kurun waktu. Metode ini bisa menggunakan pendekatan Ordinary Least Square (OLS) atau teknik kuadrat terkecil untuk mengestimasi model data panel.
Yit = a +
Xit + εitUntuk i = 1, 2, …, N dan t = 1, 2, …,T, dimana N adalah jumlah unit/individu cross section dan T adalah jumlah periode waktunya. Dari common effects model ini akan dapat dihasilkan N+T persamaan, yaitu sebanyak T persamaan cross section dan sebanyak N persamaan time series.
2. Fixed Effect Model (FE)
Model ini mengasumsikan bahwa perbedaan antar individu dapat diakomodasi dari perbedaan intersepnya. Untuk mengestimasi data panel model Fixed Effects menggunakan teknik variable dummy untuk menangkap perbedaan intersep antar perusahaan, perbedaan intersep bisa terjadi karena perbedaan budaya kerja, manajerial, dan insentif. Namun demikian slopnya sama antar perusahaan. Model
60 estimasi ini sering juga disebut dengan teknik Least Squares Dummy Variable (LSDV).
Yit = ai +
´
Xit + εituntuk i = 1,2, …, N dan t = 1,2, …, T, dimana N adalah jumlah unit/individu cross section dan T adalah jumlah periode waktunya. 3. Random Effect (RE)
Model ini akan mengestimasi data panel dimana variabel gangguan mungkin saling berhubungan antar waktu dan antar individu. Pada model RandomEffect perbedaan intersep diakomodasi oleh errorterms masing-masing perusahaan. Keuntungan menggunkan model Random Effect yakni menghilangkan heteroskedastisitas. Model ini juga disebut dengan Error Component Model (ECM) atau teknik Generalized Least Square (GLS).
Yit = ai +
´
Xit +µ
i + εit3.7 Uji Kesesuaian Model
Untuk menguji model analisis yang akan digunakan dalam panel data ini adalah sebagai berikut:
1. Uji Chow
Uji ini digunakan salah satu untuk memilih model pada regresi data panel, yaitu antara model efek tetap (fixed effect model) dengan model
61 koefeisien tetap (pooled regression). Hipotesis awal dari uji adalah model efek tetap sama bagusnya dengan model koefisien tetap. Proseder pengujiannya sebagai berikut (Baltagi, 2008, hal. 298). Hipotesis nul pada uji ini adalah bahwa intersep sama, atau dengan kata lain model yang tepat untuk regresi data panel adalah Common Effect, dan hipotesis alternatifnya adalah intersep tidak sama atau model yang tepat untuk regresi data panel adalah Fixed Effect.
Apabila nilai F hitung lebih besar dari F kritis maka hipotesis nul ditolak yang artinya model yang tepat untuk regresi data panel adalah model Fixed Effect. Dan sebaliknya, apabila nilai F hitung lebih kecil dari F kritis maka hipotesis nul diterima yang artinya model yang tepat untuk regresi data panel adalah model Common Effect.
2. Uji Hausman
Uji ini digunakan untuk memilih model efek acak (random effect model) dengan model efek tetap (model efek tetap). Uji ini bekerja dengan menguji apakah terdapat hubungan antara galat pada model (galat komposit) dengan satu atau lebih variabel penjelas (independen) dalam model. Hipotesis awalnya adalah tidak terdapat hubungan antara galat model dengan satu atau lebih variabel penjelas (Baltagi, 2008, hal. 310).
Uji ini digunakan untuk memilih model efek acak (random effect model) dengan model efek tetap (model efek tetap). Uji ini bekerja
62 dengan menguji apakah terdapat hubungan antara galat pada model (galat komposit) dengan satu atau lebih variabel penjelas (independen) dalam model. Hipotesis awalnya adalah tidak terdapat hubungan antara galat model dengan satu atau lebih variabel penjelas (Baltagi, 2008, hal. 310).
3. Lagrange Multiplier
Untuk mengetahui apakah model Random Effect lebih baik dari model Common Effect digunakan Lagrange Multiplier (LM). Uji Signifikansi Random Effect ini dikembangkan oleh Breusch-Pagan. Pengujian didasarkan pada nilai residual dari metode Common Effect. Uji LM ini didasarkan pada distribusi Chi-Squares dengan derajat kebebasan (df) sebesar jumlah variabel independen. Hipotesis nulnya adalah bahwa model yang tepat untuk regresi data panel adalah Common Effect, dan hipotesis alternatifnya adalah model yang tepat untuk regresi data panel adalah Random Effect. Apabila nilai LM hitung lebih besar dari nilai kritis Chi-Squares maka hipotesis nul ditolak yang artinya model yang tepat untuk regresi data panel adalah model Random Effect. Dan sebaliknya, apabila nilai LM hitung lebih kecil dari nilai kritis Chi-Squares maka hipotesis nul diterima yang artinya model yang tepat untuk regresi data panel adalah model Common Effect (Widarjono, 2007, hal 260).
63 3.8 UjiAsumsiKlasik
1. Uji Autokorelasi
Autokorelasi adalah gejala korelasi di antara anggota observasi. Masalah autokorelasi di dalam model menunjukan adanya hubungan korelasi antara variabel gangguan (error term) di dalamnya. Gejala autokorelasi dapat dideteksi melalui Durbin-Watson Test (Gujarati). Untuk mengetahui adanya gejala autokorelasi dalam suatu model adalah dengan cara membandingkan nilai Durbin-Watson Test (DW) pada tabel kepercyaan tertentu.
Gambar 3.1 Durbin-Watson Test
Untuk mendeteksi ada tidaknya serial korelasi, maka dilakukan hipotesis sebagai berikut :
Jika d < dL, maka H0 ditolak, artinya terdapat serial korelasi positif
antar variabel.
Jika d > 4-dL, maka H0 ditolak, artinya terdapat serial korelasi
64 Jika dU < d < 4-dU, maka H0 diterima, artinya tidak terdapat serial
korelasi positif maupun negatif antar variabel.
Jika dL < d < dU atau 4-dU < d < 4 < dL, artinya tidak dapat diambil kesimpulan, maka pengujian dianggap ragu-ragu.
Selain dengan menggunakan DW Test dapat menggunakan metode Breusch-Godfrey (BG) atau LM (Lagrange Multiplier) Test. BG test untuk mendeteksi ada atau tidaknya gejala autokorelasi dengan melihat nilai dari kolom “Prob. F”. Apabila nilai Prob. F lebih besar dari tingkat alpha 0,05 (5%), maka berdasarkan uji hipotesis Ho diterima yang artinya terbebas dari gejala autokorelasi.
2. Uji Multikolinearitas
Multikolinearitas pertama kali diperkenalkan oleh Ragnar Frisch tahun 1934. Menurut Frisch, suatu model dikatakan terkena multikolinearitas apabila terjadi hubungan linear yang perfect atau exact di antara beberapa atau semua variabel bebas dari suatu model regresi. Akibatnya akan kesulitan untuk dapat melihat pengaruh variabel bebas terhadap variabel terikatnya.
Multikolinearitas dapat dideteksi, salah satunya apabila R2 tinggi tetapi tidak ada/hanya sedikit variabel bebas yang secara tunggal mempengaruhi variabel terikat berdasarkan uji t-statistik. Cara lain untuk mengetahui adanya gejala multikolinearitas adalah dengan “Uji VIF (Variance Inflation Factor), yaitu dengan melihat nilai VIF-nya
65 (Centered VIF). Apabila nilai VIF tidak lebih besar dari 5 (ada juga yg menyaratkan tidak lebih besar dari 10), maka dapat dikatakan tidak terdapat gejala multikolinearitas. Begitupun sebaliknya, apabila nilai VIF yang diperoleh lebih besar dari 5 atau 10 maka terdapat gejala multikolinearitas.
3. Uji Heterokedastisitas
Salah satu asumsi dasar regresi linier adalah bahwa variasi residual (variabel gangguan) sama untuk semua pengamatan. Jika terjadi suatu keadaan dimana variabel gangguan tidak mempunyai varian yang sama untuk semua observasi, maka dikatakan dalam model regresi tersebut terdapat suatu gejala heterokedastisitas (Gujarati, 1993:177). Heteroskedastisitas akan menyebabkan penarikan koefisien regresi tidak efisien, sehingga kesimpulan yang akan dibuat akan menyesatkan karena terjadi underestimate atau overestimate. Salah satu cara mendeteksi heteroskedastisitas adalah menggunakan “Uji Glejser”.
Dalam uji Glejser untuk mengetahui adanya gejala heteroskedastisitas adalah dengan nilai “Prob”, apabila nilai Prob. lebih besar dari tingkat alpha 0,05 (5%), maka Ho diterima yang artinya tidak terdapat gejala atau masalah heteroskedastisitas. Begitupun sebaliknya, apanila nilai Prob. lebih kecil dari tingkat alpha 0,05 (5%), maka terdapat gejala heteroskedastisitas.
66 3.9 Uji Statistik
1. Uji t (Parsial)
Uji t bertujuan untuk mengetahui pengaruh secara masing-masing atau parsial dari variabel bebas/independen terhadap variabel terikat/dependen. Dengan rumus sebagai berikut :
Ho : α1 = 0 , variabel bebas tidak mempengaruhi variabel terikat
H1 : α1 ≠ 0 , variabel bebas mempengaruhi variabel terikat
Kriteria uji :
- Jika, t hitung > t tabel (α/2;n-k), maka Ho ditolak dan H1 diterima.
Artinya terdapat pengaruh dari variabel bebas terhadap variabel terikat.
- Jika, t hitung < t tabel (α/2;n-k), maka Ho diterima dan H1 ditolak.
Artinya tidak ada pengaruh dari variabel bebas terhadap variabel terikat.
Dimana : α (derajat signifikan); n (jumlah sampel); dan k (jumlah parameter)
Uji t dua arah (two tail) digunakan apabila dalam penelitian tidak diketahui mengenai kecenderungan dari karakteristik populasi yang diamati. Cara lain untuk menguji siginifikansi koefisien regresi adalah dengan melihat nilai probabilitasnya (prob), jika nilai probabilitasnya kurang dari 0,05 (prob < 0,05), maka koefisien regresi signifikan pada tingkat 5%.
67 Gambar 3.2 Kurva Distribusi t
2. Uji F (Simultan)
Uji F digunakan untuk mengetahui pengaruh variabel bebas terhadap variabel terikat secara bersama-sama/simultan. Dengan rumus sebagai berikut :
Ho : α1,...,αn = 0 , artinya tidak terdapat pengaruh dari variabel bebas
terhadap variabel terikat secara simultan.
H1 : α1,...,αn ≠ 0 , artinya terdapat pengaruh dari variabel bebas terhadap
variabel terikat secara simultan.
Dimana: R2 (Koefisien determinan); N (jumlah observasi); k (jumlah variabel/banyaknya parameter)
Kriteria uji :
- Jika, F hitung > F tabel, maka Ho ditolak. Artinya, secara simultan
terdapat pengaruh dari setiap variabel bebas terhadap variabel terikat.
68 Jika, F hitung < F tabel, maka Ho ditolak. Artinya, secara simultan
tidak terdapat pengaruh dari setiap variabel bebas terhadap variabel terikat.
Gambar 3.3 Kurva Distribusi F 3. Uji Koefisien Determinasi (R2)
Koefisien determinasi (R2) bertujuan untuk mengetahui bersarnya variasi variable atau ketepatan variable analisis regresi yang ditunjukan oleh (R2 adjusted). Besarnya nilai koefisien determinasi adalah antara 0 (nol) hingga 1 (0<R2<1), jika niali koefisien mendekati 1, maka model tersebut dikatakan baik yang berarti semakin baik hubungan antara variable bebas dan variable terikat. Dinyatakan dengan rumus sebagai berikut :
Dimana: R2 (koefisien determinasi); N (jumlah observasi); k (jumlah variabel)
